Diagnostique d’un défaut rotorique d’une machine Asynchrone par LS-SVM

Abstract

Ce travail porte sur le diagnostic des défauts de type rupture partielle ou totale des barres du rotor en cage d’écureuil, en utilisant un algorithme de classification basé sur les machines à vecteurs de support à moindres carrés (LS-SVM). Ces dernières années, plusieurs approches de surveillance de l’état des machines électriques ont été développées en s’appuyant sur des techniques d’intelligence artificielle, telles que les réseaux de neurones artificiels, la logique floue, ou encore les filtres de Kalman. Cependant, l’application des LS-SVM dans le domaine de la surveillance et du diagnostic des défauts des machines reste encore peu exploitée. La méthode LS-SVM se distingue par sa précision élevée en classification, ce qui en fait une solution prometteuse pour la détection et le diagnostic efficace des défauts, tout en offrant d’excellentes capacités de généralisation, même en présence de signaux complexes et bruités. Mots-clés :